Η ανάλυση παλινδρόμησης στη μηχανική μάθηση για αβέβαια δεδομένα.
dc.contributor.author | Σιουράς, Σπυρίδων | el |
dc.date.accessioned | 2022-03-10T10:29:36Z | |
dc.date.available | 2022-03-10T10:29:36Z | |
dc.date.issued | 2022-03-10 | |
dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/teiep/13311 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Διαστήματα | el |
dc.subject | Αβέβαια δεδομένα | el |
dc.subject | Παλινδρόμηση | el |
dc.title | Η ανάλυση παλινδρόμησης στη μηχανική μάθηση για αβέβαια δεδομένα. | el |
heal.abstract | Τα αβέβαια δεδομένα είναι μεγάλο πρόβλημα στον κλάδο της μηχανικής μάθησης, καθώς κλασικές τεχνικές στατιστικής και μηχανικής μάθησης δεν μπορούν να διαχειριστούν τέτοιου είδους δεδομένα. Αβέβαια δεδομένα μπορούν να προκύψουν για διάφορους λόγους και υπάρχουν διαφορετικά είδη αβέβαιων δεδομένων. Η τεχνική αναπαράστασης και αντιμετώπισης των αβέβαιων δεδομένων, εξαρτάται από την μορφή της αβεβαιότητας. Στην παρούσα πτυχιακή εργασία γίνεται ανάλυση τεχνικών παλινδρόμησης σε αβέβαια δεδομένα, όπου θεωρείται γνωστό το εύρος στο οποίο βρίσκεται η πραγματική τιμή, αλλά όχι η μεμονωμένη τιμή. Η αβεβαιότητα θα αναπαρασταθεί με διαστήματα. Σε αυτήν την εργασία αναλύεται αρχικά τι είναι η παλινδρόμηση, τι είναι η αβεβαιότητα στην μηχανική μάθηση και με τι τεχνικές μπορούν να αντιμετωπιστούν τα αβέβαια δεδομένα και, στο τέλος του πρώτου κεφαλαίου, γίνεται μια αναφορά στο τι είναι η ανάλυση διαστημάτων. Στη συνέχεια, γίνεται ανάλυση διάσημων κλασικών τεχνικών που χρησιμοποιούνται για την παλινδρόμηση και τεχνικών παλινδρόμησης που εφαρμόζονται σε δεδομένα σε μορφή διαστημάτων. Τέλος, χρησιμοποιούνται δύο τεχνικές παλινδρόμησης, η Lassoir και η τεχνική των k-Πλησιέστερων Γειτόνων (k-Nearest Neighbors), σε ένα ένα σύνολο δεδομένων που δείχνει την ζήτηση ηλεκτρικού ρεύματος στo δίκτυο διανομής ηλεκτρικής ενέργειας της Ισπανίας. | el |
heal.abstract | Uncertain data is a major problem in Machine Learning, as classical statistical and machine learning techniques cannot manage such data. Uncertain data can occur for a variety of reasons and there are different types of uncertainties. Techniques and modelling of uncertain data depends on the type of uncertainty. In this dissertation, regression techniques for uncertain data are analyzed, where the range of the value is known, but the individual value is not known. Uncertain data will be modelled with intervals. The dissertation starts with analyzing Regression as a term, what uncertainty in Machine Learning is, how uncertain data can be managed and an introduction to Interval Analysis. Moreover, classical regression techniques and interval regression techniques are analyzed. Finally, two regression techniques, Lassoir and K-Nearest Neighbors, are used on a dataset, that shows the demand for electricity in Spain. | el |
heal.academicPublisher | Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε. | el |
heal.academicPublisherID | teiep | |
heal.access | free | |
heal.advisorName | Αδάμ, Σταύρος | el |
heal.bibliographicCitation | Αδάμ, Σ., 2022. Η ανάλυση παλινδρόμησης στη μηχανική μάθηση για αβέβαια δεδομένα. Πτυχιακή εργασία. Άρτα: Τ.Ε.Ι. Ηπείρου. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε. | el |
heal.classification | Μηχανική μάθηση | el |
heal.committeeMemberName | Δουμένης, Γρηγόριος | el |
heal.committeeMemberName | Καρβέλης, Πέτρος | el |
heal.dateAvailable | 2024-01-11T00:25:03Z | |
heal.fullTextAvailability | true | |
heal.identifier.secondary | Πτυχιακή Εργασία | |
heal.language | el | |
heal.numberOfPages | 57 | |
heal.publicationDate | 2022 | |
heal.recordProvider | Τ.Ε.Ι. Ηπείρου | el |
heal.type | bachelorThesis |
Αρχεία
Πρωτότυπος φάκελος/πακέτο
1 - 1 of 1
Φόρτωση...
- Ονομα:
- Siouras,S._DIT_2022.pdf
- Μέγεθος:
- 1.21 MB
- Μορφότυπο:
- Adobe Portable Document Format
- Περιγραφή:
- Πτυχιακές Εργασίες
Φάκελος/Πακέτο αδειών
1 - 1 of 1
Φόρτωση...
- Ονομα:
- license.txt
- Μέγεθος:
- 3.54 KB
- Μορφότυπο:
- Item-specific license agreed upon to submission
- Περιγραφή: